本文探讨了稀疏自编码器（SAE）在大型语言模型中的应用，旨在提取可解释特征。研究表明，SAE能够保持语义完整性并提高可解释性，尤其在复杂神经网络中。通过对42万篇科学论文摘要的训练，提出了新方法“p-退火”，有效改善了特征质量评估，推动了语义搜索的精确控制。